Prediksi Pemahaman Matematika Siswa Menggunakan SVM di Yayasan Al Lathiif Khotibul Akhyar

Zidane Muhammad Azmi; Alvino Octaviano

doi:10.31004/riggs.v5i1.5521

Authors

Zidane Muhammad Azmi Universitas Pamulang
Alvino Octaviano Universitas Pamulang

DOI:

https://doi.org/10.31004/riggs.v5i1.5521

Keywords:

Support Vector Machine, Prediksi, Pemahaman Matematika, Machine Learning, Sistem Berbasis Web

Abstract

Kemampuan siswa dalam memahami matematika merupakan salah satu indikator penting dalam mengevaluasi keberhasilan proses pembelajaran. Namun, metode penilaian yang masih dilakukan secara manual dan subjektif sering kali menyebabkan keterlambatan dalam mengidentifikasi tingkat pemahaman siswa secara akurat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem berbasis web yang menerapkan metode Support Vector Machine (SVM) untuk memprediksi kategori pemahaman matematika siswa di Yayasan Al Lathiif Khotibul Akhyar. Penelitian ini menggunakan pendekatan kuantitatif dengan jenis penelitian terapan. Data akademik yang digunakan meliputi nilai pre-test, nilai tugas, nilai ujian, dan kehadiran siswa. Data tersebut melalui tahapan preprocessing dan normalisasi menggunakan StandardScaler sebelum diproses oleh model klasifikasi SVM. Sistem dikembangkan menggunakan bahasa pemrograman PHP dengan framework CodeIgniter serta basis data MySQL. Evaluasi kinerja model dilakukan menggunakan confusion matrix dengan mengukur accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode Support Vector Machine (SVM) mampu mengklasifikasikan pemahaman matematika siswa ke dalam kategori Paham, Sangat Paham, dan Tidak Paham dengan tingkat akurasi sebesar 92,31%, precision rata-rata sebesar 93,94%, recall rata-rata sebesar 88,89%, serta F1-score rata-rata sebesar 90%. Nilai tersebut menunjukkan bahwa model memiliki kemampuan klasifikasi yang baik dan stabil dalam memprediksi tingkat pemahaman siswa berdasarkan data akademik. Sistem yang dikembangkan mampu membantu guru dalam melakukan identifikasi tingkat pemahaman siswa secara lebih cepat, objektif, dan berbasis data, sehingga mendukung penyusunan strategi pembelajaran yang lebih tepat sasaran.

Downloads

Download data is not yet available.

References

A. K. Darmawan, I. Yudhisari, A. Anwari, and M. Makruf, “Pola prediksi kelulusan siswa Madrasah Aliyah swasta dengan support vector machine dan random forest,” Jurnal Minfo Polgan, vol. 12, no. 1, pp. 387–400, 2023, doi: 10.33395/jmp.v12i1.12388.

Suryani and M. Mustakim, “Estimasi keberhasilan siswa dalam pemodelan data berbasis learning menggunakan algoritma support vector machine,” Bulletin of Informatics and Data Science, vol. 1, no. 2, p. 81, 2022, doi: 10.61944/bids.v1i2.36.

L. Lukman and H. Herlianda, “Prediksi kelulusan siswa dengan metode support vector machine (SVM) di SMK Adiluhur,” STRING (Satuan Tulisan Riset dan Inovasi Teknologi), vol. 9, no. 1, 2024.

B. I. Nugroho, N. A. Santoso, and A. A. Murtopo, “Prediksi kemampuan akademik mahasiswa dengan metode support vector machine,” REMik, vol. 7, no. 1, pp. 177–188, 2023, doi: 10.33395/remik.v7i1.12010.

O. Nurdiawan, R. Herdiana, and S. Anwar, “Penerapan algoritma support vector machine dalam mengukur kepuasan pembelajaran hybrid learning,” MEANS (Media Informasi Analisa dan Sistem), vol. 6, no. 2, pp. 130–134, 2022, doi: 10.54367/means.v6i2.1511.

F. A. Pratama, N. Rahaningsih, and Nurhardiansyah, “Penggunaan media Windows Movie Maker untuk memprediksi pemahaman matakuliah akuntansi dengan metode support vector machine,” Jurnal Gerbang STMIK Bani Saleh, 2020.

K. Mubarok, “Klasifikasi pemahaman konsep pada mata pelajaran produktif dengan metode support vector machine,” 2024.

H. S. W. Hovi, A. I. Hadiana, and F. R. Umbara, “Prediksi penyakit diabetes menggunakan algoritma support vector machine (SVM),” Informatics and Digital Expert (INDEX), vol. 4, no. 1, pp. 40–45, 2023, doi: 10.36423/index.v4i1.895.

A. Ekawijana, A. Bakhrun, and Z. Arsyad, “Deteksi dini anak disleksia dengan metode support vector machine,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 1, p. 217, 2022, doi: 10.30865/json.v4i1.4776.

A. J. Harahap, “Sistem informasi pengarsipan buku berbasis web dengan bahasa pemrograman PHP & MySQL (studi kasus: LKP Intermedia Training Center),” Journal of Student Development Informatics Management, vol. 1, no. 2, pp. 66–81, 2021.

N. Nilfaidah, A. S. Miru, and M. Lamada, “Pengembangan sistem absensi mahasiswa realtime menggunakan PHP, MySQL, SMS gateway, dan framework CodeIgniter,” Eprints, vol. 3, pp. 1–6, 2021.

H. Sulistiani and V. H. Saputra, “Penerapan CodeIgniter dalam pengembangan sistem pembelajaran dalam jaringan di SMK 7 Bandar Lampung,” vol. 6, no. 2, pp. 89–95, 2020.

L. Setiyani and B. Setiawan, “Analisis dan design manajemen control produksi menggunakan business process improvement dan unified modeling language (studi kasus: PT Multistrada),” Jurnal Interkom: Jurnal Publikasi Ilmiah Bidang Teknologi Informasi dan Komunikasi, vol. 16, no. 1, pp. 27–37, 2021, doi: 10.35969/interkom.v16i1.94.

S. Syaqila, M. S. Hasibuan, A. Hamzah, P. Studi, and I. Komputer, “UML dan ERD proses sistem informasi korespondensi pada Dinas Pemuda dan Olahraga Sumatera Utara,” Cosmic Jurnal Teknik, vol. 2, no. 1, pp. 1–9, 2024.

N. Wilyanto, J. Firnando, B. Franko, S. P. Tanzil, H. C. Tan, and E. Hartati, “Pembuatan website menggunakan Visual Studio Code di SMA Xaverius 3 Palembang,” Fordicate, vol. 3, no. 1, pp. 1–8, 2023, doi: 10.35957/fordicate.v3i1.5057.